論文の概要: ReMark: Receptive Field based Spatial WaterMark Embedding Optimization using Deep Network

• arxiv url: http://arxiv.org/abs/2305.06786v1
• Date: Thu, 11 May 2023 13:21:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-12 14:52:11.950760
• Title: ReMark: Receptive Field based Spatial WaterMark Embedding Optimization using Deep Network
• Title（参考訳）: ReMark:ディープネットワークを用いた受容場に基づく空間水マーク埋め込み最適化
• Authors: Natan Semyonov, Rami Puzis, Asaf Shabtai, Gilad Katz
• Abstract要約: 難解な透かしを埋め込むための新しいディープラーニングアーキテクチャについて検討する。 提案手法は, 衝突歪みを含む透かしの一般的な歪みに対して頑健である。
• 参考スコア（独自算出の注目度）: 23.357707056321534
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Watermarking is one of the most important copyright protection tools for digital media. The most challenging type of watermarking is the imperceptible one, which embeds identifying information in the data while retaining the latter's original quality. To fulfill its purpose, watermarks need to withstand various distortions whose goal is to damage their integrity. In this study, we investigate a novel deep learning-based architecture for embedding imperceptible watermarks. The key insight guiding our architecture design is the need to correlate the dimensions of our watermarks with the sizes of receptive fields (RF) of modules of our architecture. This adaptation makes our watermarks more robust, while also enabling us to generate them in a way that better maintains image quality. Extensive evaluations on a wide variety of distortions show that the proposed method is robust against most common distortions on watermarks including collusive distortion.
• Abstract（参考訳）: ウォーターマーキングはデジタルメディアにとって最も重要な著作権保護ツールの1つである。 最も難しいウォーターマーキングのタイプは、データに識別情報を埋め込み、後者の本来の品質を保ちながら、知覚できないものである。 その目的を達成するために、ウォーターマークは、その完全性を損なうことを目標とする様々な歪みに耐える必要がある。 本研究では,知覚不能な透かしを埋め込むための,新しい深層学習に基づくアーキテクチャについて検討する。 アーキテクチャ設計を導く重要な洞察は、透かしの次元とアーキテクチャのモジュールの受容的フィールド(RF)のサイズを関連付ける必要があることである。 この適応により、透かしがより堅牢になり、画像の品質をより良く維持できるようになります。 様々な歪みに対する広範囲な評価により, 提案手法は, 衝突歪みを含む透かしの最も一般的な歪みに対して頑健であることが示された。

関連論文リスト

• Dynamic watermarks in images generated by diffusion models [46.1135899490656]
  高忠実度テキストから画像への拡散モデルが視覚コンテンツ生成に革命をもたらしたが、その普及は重大な倫理的懸念を提起している。 本稿では,拡散モデルのための新しい多段階透かしフレームワークを提案する。 我々の研究は、モデルオーナシップの検証と誤用防止のためのスケーラブルなソリューションを提供することで、AI生成コンテンツセキュリティの分野を前進させます。
  論文  参考訳（メタデータ） (2025-02-13T03:23:17Z)
• On the Coexistence and Ensembling of Watermarks [93.15379331904602]
  様々なオープンソースの透かしは、画像の品質と復号性に小さな影響しか与えない。 我々は、アンサンブルがメッセージ全体のキャパシティを向上し、基本モデルを再トレーニングすることなく、キャパシティ、正確性、堅牢性、画像品質の新たなトレードオフを可能にすることを示す。
  論文  参考訳（メタデータ） (2025-01-29T00:37:06Z)
• Certifiably Robust Image Watermark [57.546016845801134]
  ジェネレーティブAIは、偽情報やプロパガンダキャンペーンの促進など、多くの社会的懸念を提起する。 ウォーターマークAI生成コンテンツは、これらの懸念に対処するための重要な技術である。 本報告では, 除去・偽造攻撃に対するロバスト性保証を保証した最初の画像透かしを提案する。
  論文  参考訳（メタデータ） (2024-07-04T17:56:04Z)
• Evaluating Durability: Benchmark Insights into Multimodal Watermarking [36.12198778931536]
  画像およびテキスト生成モデルにより生成された透かし付きコンテンツの、一般的な実世界の画像破損やテキスト摂動に対する堅牢性について検討する。 今後,より堅牢な透かし技術の開発が進む可能性がある。
  論文  参考訳（メタデータ） (2024-06-06T03:57:08Z)
• TrustMark: Universal Watermarking for Arbitrary Resolution Images [21.74309490023683]
  非受容性デジタル透かしは著作権保護、誤情報防止および責任ある生成GANにおいて重要である。 本稿では,新しい設計のアーキテクチャを用いたGANベースの透かし手法を提案し,透かし除去法であるTrustMark-RMを提案する。 本手法は任意の符号化画像からなる3つのベンチマーク上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-11-30T07:03:36Z)
• Adaptive Blind Watermarking Using Psychovisual Image Features [8.75217589103206]
  本稿では,カバー画像の異なる部分に埋め込まれた透かしの強度を適応的に決定する手法を提案する。 また, 提案手法は, 異なる種類の共通透かし攻撃において, 組込みペイロードを効果的に再構築できることを示す。
  論文  参考訳（メタデータ） (2022-12-25T06:33:36Z)
• Watermarking Images in Self-Supervised Latent Spaces [75.99287942537138]
  我々は,自己教師型アプローチに照らして,事前学習した深層ネットワークに基づく透かし手法を再検討する。 我々は、マーク時間におけるデータの増大を利用して、マークとバイナリのメッセージをその潜在空間に埋め込む方法を提案する。
  論文  参考訳（メタデータ） (2021-12-17T15:52:46Z)
• Exploring Structure Consistency for Deep Model Watermarking [122.38456787761497]
  Deep Neural Network(DNN)の知的財産権(IP)は、代理モデルアタックによって簡単に盗まれる。 本稿では,新しい構造整合モデルウォーターマーキングアルゴリズムを設計した新しい透かし手法,すなわち構造整合性'を提案する。
  論文  参考訳（メタデータ） (2021-08-05T04:27:15Z)
• Fine-tuning Is Not Enough: A Simple yet Effective Watermark Removal Attack for DNN Models [72.9364216776529]
  我々は異なる視点から新しい透かし除去攻撃を提案する。 我々は、知覚不可能なパターン埋め込みと空間レベルの変換を組み合わせることで、単純だが強力な変換アルゴリズムを設計する。 我々の攻撃は、非常に高い成功率で最先端の透かしソリューションを回避できる。
  論文  参考訳（メタデータ） (2020-09-18T09:14:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。